“你实际领先的程度比你感觉的更大”——这句话我第一遍读就觉得不对劲。它听起来像一句安慰，写出来就是为了让人好受一点。直到我想把“领先”拆成一个能测的量，才发现它可能不是安慰，而是一句描述。
六月底，Ryan Swift 在 Dev Community 上发了那篇文章。他写自己一直在看 AI 新闻、关注模型发布，AI 代理也用得非常频繁，回到线下，身边的非技术朋友却大多数没有真正体验过 AI。AI 能力走进大众视野已经三年多了，他身边的那些朋友，仍然没有真正用过一次。他据此判断：大规模采用仍处于早期阶段。标题就是那句话。
先把范围划一下。这篇没有 benchmark，也没有跑测数据，我能测的是它的证据链——哪些地方站得住，哪些地方完全撑不起这个结论。
读完整篇，发现他的整个推导其实靠两个数字。一个来自具体观察，一个属于远期预测。
第一个，是他身边非技术朋友的体验率。结论：大多数没体验过。这个观察的圈子很偏、样本也很小，但正因为如此，它有最好的优点——可复现。任何读到这句话的人，拿自己的朋友圈数一遍就知道是不是这么回事。这是人人都能跑的一个测试。
第二个，是文章里最奇怪的一个数字：“全球软件工程师按最乐观估计约 4000 万，而超过 10 亿人即将具备编写代码的能力。”第一遍读到这我差点把文章关了。这两边根本不是一回事：左边是劳动力统计，右边是能力描述。把这两个数放在一起比，就像“全世界出租车司机大概 500 万，但未来会开车的可能有 20 亿”一样，两边对不齐。而且这个“10 亿”没有来源、没有边界定义，是一颗裸数字。
但读完之后我改变了一点看法。文章里明确提到 AI Engineer World's Fair 的参加者属于最早期采用者；如果这篇东西是在对这群人说话——从语境来看，的确如此——那么“10 亿”这个数字的功能就不是预测，而是告诉现场听众：“你觉得自己落后，只是因为你身边全是吃这碗饭的人。真正的绝大多数，连一次都还没试过。”作为修辞它依旧很夸张，但指向是对的。
我也试着用同一个问题数了数身边的人。结果和作者差得很远：我身边的非技术朋友几乎全都体验过 AI。但这恰恰是因为我们的社交圈本身就不同。这正好暴露了这种测法的问题：你测出来的是你所在的圈子，不是世界。你的“领先感”不是一个绝对数值，它跟你拿身边的哪群人当参照物强相关——同一个测试换一组人，结论可以整个反过来。这是文章标题没交代清楚的部分。
但有一个层面，“领先”确实能被量化，那就是时间。作者从三四年前开始持续投入时间关注 AI，三年多的实际使用积累，才是他和那个朋友圈之间最真实的壁垒。这也是他核心判断站得住的原因：三年多了，AI 新闻的密集程度从来没有降下来过，而他身边的非技术朋友，依然没有真正开始。扩散不是沿着新闻热度走的，是沿着人际关系和具体需求缓慢移动的。从这个样本来看，大规模采用确实还早。而“你领先的比你感觉的更大”是这一观察的必然推论：领先不是能力差，只是时间差。
这个判断还能顺带解释“落后感”从哪来。他把落后感主要归因于信息过载，而不是实际的能力差距——这句我完全同意。我自己有一个不愿意承认但客观存在的比例：每周读的 AI 相关新闻数量，对比每周真正从头到尾跑完的任务数，可能在十比一以上。这不是精确数字，我没记过账。但这个比例足以说明那种“被灌满”的状态是怎么来的：今天读到的还没消化，明天的发布就来了。这种情况下觉得自己落后，并不是能力问题，只是摄入管道把输出时间挤没了。你领先的不是能力，是你已经花在上面的时间。
所以他最后建议“不仅要为自己学习，也要为他人分享所学”，是整个论证里最实在的一个落点。把分享翻译成可测的话，就是：把你领先的时间转成别人能复现的步骤，让一个还没开始的非技术朋友，在你指点之下把第一次真实跑通。这比你现在手头能用多少个新工具，都更能改善自己周围那个“未体验人群”的比例。
置信标签：方向大致对。他对“非技术朋友没体验过”的观察，我拿同一个测试在自己身边跑了一遍，得到完全不同的结果，但考虑圈子偏差，两个结果并不互相冲突。“超过 10 亿人即将具备写代码能力”这个数字我无法严肃对待——没有定义，没有来源，不能在我自己的环境里验证。它是这篇文章里值得卸掉的一个数字，但卸掉它，主线不受影响。
就先这样。谁拿身边的朋友列表重测一遍，数字对不上，欢迎告诉我——你的结果可能跟我完全不一样，这个问题还需要点数据来收敛。